基于实际隶属函数的移动机器人局部路径规划.pdf

《基于实际隶属函数的移动机器人局部路径规划.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、机械设计与制造第8期134MachineryDesign&Manufacture2014年8月基于实际隶属函数的移动机器人局部路径规划熊开封。，张华，邓豪z(1．西南科技大学国家级综合性工程训练中心，四川绵阳621010；2．西南科技大学信息工程学院，四川绵阳621010)摘要：为优化模糊神经网络的实时性、学习速度、收敛性、稳定性，在移动机器人局部路径规划中构建了基于实际隶属函数T_s(Taka矛_Sugeno)模型的改进型模糊神经网络。结合静态、动态障碍物并存环境下机器人路径规划的实际，综合考虑二维直角坐标体系下机器人、障碍物

2、的位置、速度及运动方向等实时信息，推导出一种新的具有实际含义的隶属函数作为避碰隶属函数，采用五层S型模糊神经网络及改进型误差反传学习算法。通过计算机仿真，验证了所提方略对动态环境下移动机器人路径规划具有较高的实时性和有效性。关键词：T—S型模糊神经网络；局部路径规划；实际隶属函数；Matlab仿真：优化中图分类号：TH16；TP24文献标识码：A文章编号：1001—3997(2014)08～0134—03LocalPathPlanningforMobileRobotBasedontheActualMembershipFuncti

3、onXIONGKai-feng，ZHANGHua，DengHao(1．State-levelComprehensiveEngineeringTrainingCenter，SouthwestUniversityofScienceandTechnology，SichuanMianyang621010，China；2．CollegeofInformationEngineering，SouthwestUniversityofScienceandTechnology，SichuanMianyang621010，China)Abstract

4、：Tooptimizethe}zyneuralnetworkrealtime，learningspeed，convergenceandstability，mobilerobotlocalpathplanningimprovedfuzzyneuralnetworkmodeIbasedOFttheactualmembershipfunctiont-stype(Takagi-Sugeno)ispresented．Accordingtotherealityoftherobotpathplannedindynamicenvironment

5、，thecomprehensiveconsiderationoftwo—dimensionalrectangularcoordinatesystemunderthepositionoftherobotandobstacles，speedanddirection，such一timeinformation，deducedanewpracticalmeaningofmembershipfunctions∞anticollisionmembershipfunctions，usingfivelayertypet-sfuzzyneuraln

6、etworkandimprovederrorbackpropagationlearningalgorithmTheproposedmethodisverifiedbycomputersimulationformobilerobotpathplannedindynamicenvironmenthas蛔realtimecapabilityandefectiveness．KeyWords：T-STypeFuzzyNeuralNetwork；LocalPathPlanning；MaflabSimulation；ActualMembers

7、hipFunction；Optimization1引言局部路径规划是智能机器人研究领域的一个重要课题。局部路径规划的常用方法有人工势场法、遗传算法、模糊逻辑法、神经网络技术【等，这些方法有其各自的优点和不足目。而T-S型模糊神经网络是从模糊神经网络的理论基础上发展起来的目，具有模糊逻辑易于表达人类知识和神经网络的分布式信息存储以及学习能力的优点H，具有广泛的逼近特性目，对于复杂系统的建模和控制提供了有效的工具。因此，应用T_s模糊神经网络技术来开展机器人局部路径规划研究已成为当前一个重要的研究热点。根据机器人和障碍物及目标的系列

8、信息构建了一个具有实图1移动机器人避碰示意图Eig．1SchematicDiagramofMobileRobotCollisionAvoidance际物理意义的隶属函数，并应用T_s型模糊神经网络来学习、训练相关参数，结合改进的EBP算法，来实现静态、动态障碍并